Introduction à l’Intelligence Artificielle
- Contenu :
- Définition et historique de l’IA.
- Différences entre Machine Learning, Deep Learning et traitement conventionnel.
- Les types d’apprentissage : supervisé, non supervisé, semi-supervisé, par renforcement.
- Importance de l’IA pour le contrôle industriel.
Cas d'Applications de l’IA dans l’Industrie
- Contenu :
- Cas 1 : Contrôle qualité des pièces via ultrasons et IA générative (réseaux convolutionnels).
- Cas 2 : Maintenance prédictive des équipements à l’aide de capteurs IoT et réseaux neuronaux.
- Cas 3 : Optimisation de la chaîne d’approvisionnement avec la régression linéaire.
- Cas 4 : Détection de défauts par vision par ordinateur (CNN).
Avantages et Défis de l’IA pour les Industries
- Contenu :
- Gains : réduction des coûts, automatisation, amélioration de la précision.
- Défis : biais des données, coûts d’implémentation, compétences nécessaires.
- Stratégies pour surmonter les défis : choix des outils, formation, collaboration.
Premier Pas vers l’IA en Entreprise
- Contenu :
- Évaluer la maturité numérique de l’entreprise.
- Identification des besoins (exemple : inspection, prévision).
- Constitution d’une équipe projet IA.
- Sélection des technologies et partenaires.
Implémentation Pratique : Codes et Techniques
- Contenu :
- Préparation des données : collecte, nettoyage, annotation.
- Démonstration : création d’un modèle de classification avec Python (RandomForest, CNN).
- Visualisation et interprétation : courbes d’apprentissage, matrices de confusion.
- Génération de cartes thermiques pour la prise de décision.
Ethique et Réglementation
- Contenu :
- Respect des réglementations (RGPD, législation IA).
- Meilleures pratiques pour une IA responsable et éthique.
- Gestion des biais et transparence des algorithmes.
Atelier Pratique : Application d’un Projet IA
- Contenu :
- Analyse d’un jeu de données industriel.
- Implémentation d’un modèle pour détecter les défauts visuels.
- Validation des résultats et optimisation des paramètres.
- Déploiement d’un prototype simple.
Conclusion et Perspectives
- Contenu :
- Synthèse des points clés.
- Actions recommandées pour intégrer l’IA : formation, investissements.
- Exploration de ressources supplémentaires (MOOCs, livres, outils).
